A pesquisa cientifica est constantemente utilizando-se de experimentos

para provar suas hipteses, mas claro que os experimentos variam de uma
pesquisa para outra, porm todos eles so controlados por alguns princpios
bsicos e necessrios para que as concluses obtidas sejam mais
aproximadas do valor real, dente estes princpios temos:
O princpio da repetio baseia-se na reproduo do experimento, ou
seja a quantidade de vezes em que o tratamento ir aparecer no experimento
sendo que este tem por finalidade propiciar a obteno de uma estimativa do
erro experimental ou ento aumentar a preciso das estimativas (ex. Mdias) e
com isto elevar tambm o poder dos testes estatsticos, possibilitando criar
hipteses reais referentes ao trabalho realizado. No entanto, o nmero de
repeties pode ser limitado, por exemplo, pelo nmero de tratamentos que
sero comparados, pela disponibilidade de material e de rea experimental que
podem influenciar diretamente.
Mesmo reproduzindo o experimento bsico, pode ocorrer que um
determinado tratamento apresente melhores resultados por ter sido favorecido
por algum fator (Ex. estar em uma rea com melhor fertilidade natural), ento
visando que qualquer tratamento seja beneficiado por qualquer fator externo
procede-se a casualizao, ou seja, atribuir a todos os tratamentos a mesma
probabilidade de serem designados para qualquer uma das unidades
experimentais, de uma maneira mais objetiva realiza-se sorteios para melhor
dispor os tratamentos na rea experimental.
O princpio do controle local consiste em dividir um ambiente
heterogneo em subambientes homogneos, ou seja, com isto tornar o
delineamento experimental mais eficiente pela reduo do erro experimental.
Com isso, a casualizao evita que determinado tratamento seja favorecido e
garante que os erros sejam independentes.
Diante do exposto a aplicao conjunta dos princpios bsicos da
experimentao fator primordial para a melhor conduo do experimento,
obtendo assim respostas e concluses ideais a situao que est sendo
trabalhada.

Pelo fato deste princpio ser frequentemente empregado, ele no de

uso obrigatrio ento podemos enquadrar esta afirmativa como falsa, pois
podemos realizar experimentos sem utiliz-lo, ou seja, quando o material
experimental reconhecido como homogneo (Ex. Casa de vegetao
climatizada e controlada a temperatura e umidade), no h a necessidade do
princpio do controle local ai neste caso teremos um Delineamento inteiramente
casualizados (DIC).
Ao contrrio se o material experimental for heterogneo como o caso
do campo (Ex. atributos fsicos e qumicos variando na rea amostral, relevo,
temperatura) nesta situao deve-se empregar o controle local na situao de
blocos como o caso do Delineamento em blocos casualizados (DBC)
deixando-o mais homogneo possvel para que haja uma reduo na
estimativa do erro experimental.

No contexto geral sim, pois as medidas de tendncia central elas sero

importantes para sintetizar os dados de um conjunto amostral, ou seja,
identificando uma posio central dentro do conjunto de dados e determinar a
distribuio deste conjunto com maior detalhe. Aps determinada a tendncia
central dos dados a sim poderemos determinar com maior clareza a variao
destes dados, ou seja, determinar o quanto estes esto dispersos dentro do
conjunto amostral avaliando o grau de variabilidade dos valores em torno da
mdia. As medidas de variao como amplitude, varincia, desvio padro e
coeficiente de variao, permitem verificar se o conjunto de dados
homogneo ou heterogneo.
Diante disto, podemos correlacionar que a relao entre as medidas de
tendncia central e de variao esto completamente interligadas, pelo simples
fato da razo de dependncia que ocorre das medidas de variao em relao
as de tendncia central, sendo um exemplo simples se eu desejo obter o
coeficiente de variao (CV) do meu experimento obrigatoriamente deve-se ter
o valor de mdia e assim segue para varincia.

Sendo assim est afirmativa verdadeira pois a relao de ambos fazse necessria com o propsito de melhor descrever um valor central no
conjunto amostral e a sua posterior variao em relao aos demais valores do
conjunto de dados.

A mdia aritmtica ou simplesmente mdia sem dvidas a medida de

posio ou tendncia central mais utilizada e a mais importante, ou seja, a
mdia a soma de um conjunto de observaes dividida pelo nmero de
observaes deste determinado conjunto, correspondendo a uma medida exata
e bem definida levando todos os valores do conjunto amostral em
considerao. Apresenta como vantagens o fato de que de fcil obteno e
compreenso, alm tambm de servir como base para a determinao de
varincia, desvio padro e coeficiente de variao, uma das nicas implicaes
referentes a mdia que esta fortemente influenciada por valores atpicos no
conjunto de distribuio.
A mediana o valor que ocupa a posio central no conjunto de dados,
ou seja, dividindo os dados em dois subconjuntos com igual nmero,
representando 50% acima dos valores da amostra ou 50% abaixo dos valores
da amostra. Apresenta como vantagem o fato de que no influenciada por
valores extremos outliers e que pode ser determinada facilmente por qualquer
software estatstico.
Outra inferncia que podemos fazer em relao mdia e mediana
como vantagens para ambos os lados, que estas medidas so capazes de
indicar a distribuio normal de um conjunto de valores, ou seja, a simetria que
possa haver entre estas duas medidas um parmetro de correlao para
indicar se o conjunto de valores segue um distribuio de frequncia normal.

As medidas de variao so comumente utilizadas para avaliar o grau de

variabilidade ou variao dos valores em torno da mdia, dentre as principais
medidas de variao podemos destacar:
Varincia - A varincia uma distncia mdia de cada observao em relao
mdia. No entanto est distncia precisa ser elevada ao quadrado e dividida

pelo nmero de graus de liberdade da amostra. Dentre os aspectos positivos a

varincia considera todos os valores da distribuio, oferecendo vantagem
sobre a amplitude que considera somente dois valores, como desvantagem
que temos que a unidade de medida original acaba sendo alterada, ou seja,
g/kg passa a ficar g/kg.
Desvio Padro uma medida que leva em considerao a raiz quadrada da
varincia tomada como um valor positivo, levando em considerao a
disperso dos valores sobre a mdia. Apresenta como principal vantagem o
fato de que a unidade de medida igual a mensurada na varivel.
Amplitude a amplitude caracterizada como sendo a diferena entre o maior
e o menor valor do conjunto amostral de dados. Apresenta-se como vantagem
de ser fcil de calcular e indica se os valores da srie amostral esto prximos
ou distantes uns dos outros.
Coeficiente de Variao (CV) - definido como o desvio-padro em porcentagem
da mdia, a medida estatstica mais utilizada pelos pesquisadores na
avaliao da preciso dos experimentos. Ele tem a vantagem de permitir a
comparao da preciso entre experimentos, sem a necessidade de igualdade
de unidades.
Erro Padro da Mdia representa uma a preciso com que foi estimada a
mdia das amostras, sendo assim, quanto menor for o erro padro, melhor
ser a estimativa da mdia amostral.

Diante deste ponto de vista o termo significativo deve ser bem retratado,
pois este depende extremamente de fatores como as variaes do acaso e o
tamanho amostral. Nesta situao podemos encontrar diferenas significativas
em um conjunto amostral extremamente pequeno mas no significa que esta
diferena no seja real, mas indica que no podemos ter uma garantia
suficiente sobre a sua veracidade, ao contrrio se avalissemos um conjunto
maior com grandes quantidade de informaes ai sim teramos como fazer uma
melhor inferncia sobre estes resultados. Em relao as variaes do acaso
estas esto presentes frequentes no nosso cotidiano, e tambm so capazes
de modificar um determinada situao, o exemplo clssico que tomamos o

transito em uma cidade, que torna-se constante durante os dias, ento no

posso considerar significativo um tempo de percurso em um dia com transito e
no outro sem transito, isto devido simplesmente ao acaso.
Diante destas ideias podemos concluir que uma diferena que na
estatstica possivelmente dada como efeito significativo, na realidade est
diferena pode no apresentar nenhum efeito, ou seja, ser irrelevante.